apachepig，使用regex解析组合日志

我使用pig拉丁语脚本，并尝试使用regex解析日志，但在匹配双引号时返回错误”。 例如： 错误1200:意外字符'' 日志格式：

---

118.102.255.50---[17/Oct/2014:00:00:29-0400]“GET/favicon.ico HTTP/1.1”200 20“-”Mozilla/5.0（Windows NT 6.1；WOW64）AppleWebKit/537.36（KHTML，像Gecko）Chrome/38.0.2125.101 Safari/537.36”

因为Pig使用Java正则表达式，所以您需要通过

\

像这样逃逸

：

log = FOREACH test GENERATE FLATTEN(REGEX_EXTRACT_ALL(line,'^(\\S+)\\s+(\\S+)\\s+(\\S+)\\s+.(\\S+\\s+\\S+).\\s+\\"(\\S+)\\s+(.+?)\\s+(HTTP[^"]+)\\"\\s+(\\S+)\\s+(\\S+)\\s+\\"([^"]*)\\"\\s+\\"(.*)\\"$')) AS (address_ip: chararray, logname: chararray, user: chararray, timestamp: chararray, method: chararray, uri: chararray, proto: chararray, status: int, bytes: int, referer: chararray, userAgent: chararray);

您好，谢谢，问题解决了。我刚刚删除了反斜杠“\for quotes”，而且它很有效，猪似乎不需要它，只需删除反斜杠即可。